背景的设定

给定一个概率空间 $(\Omega,\mathcal{F},\mu)$ ，$T:\Omega\rightarrow \Omega$ 是一个可测变换，即对任何 $E\in\mathcal{F}$ 有 $T^{-1}(E)\in\mathcal{F}$。

定义 1： 如果一个可测集 $E$ 满足 $T^{-1}(E)=E$，就称 $E$ 是一个 $T-$ 不变集合。这里集合的相等应该理解为在不计一个零测集的意义下的相等。不难验证所有的 $T-$ 不变集合\[\,\mathcal{I}=\{E\in\mathcal{F}\,|\,T^{-1}(E)=E\,\}\]构成 $\mathcal{F}$ 的一个子 $\sigma-$ 代数。

定义 2： 如果对任何可测集 $E\in\mathcal{F}$ 有 $\mu(T^{-1}(E))=\mu(E)$，就称 $T$ 是一个保测变换。

在本文中，$T$ 始终代表一个保测变换。

保测变换 $T$ 有如下性质：

引理 1：如果 $f\in L^1(\Omega)$ 是一个可积的随机变量，则\[ \int_\Omega f\,\mathrm{d}\mu=\int_\Omega f\circ T\,\mathrm{d}\mu.\]

证明就是从集合的示性函数出发：若 $E\in\mathcal{F}$，注意到 $1_{E}\circ T=1_{\{T^{-1}E\}}$，因此\[\int_\Omega 1_E\,\mathrm{d}\mu=\mu(E)=\mu(T^{-1}E)=\int_\Omega 1_{\{T^{-1}E\}}\,\mathrm{d}\mu=\int_\Omega 1_E\circ T\,\mathrm{d}\mu.\]从而结论对任何简单可测函数也成立，取极限即得一般的可测函数结论成立。

引理 2： 一个 $\Omega$ 上的随机变量 $X$ 关于 $\mathcal{I}$ 可测，当且仅当有\[X\circ T=X\quad \text{a.e.}\]成立。这时我们称 $X$ 是 $T-$ 不变的随机变量。

证明仍然类似于引理 1，也是从示性函数到简单函数，再过度到一般的可测函数，不再赘述。

以上的两个定义和两个引理就是证明 Birkhoff 遍历定理的全部预备工作。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Birkhoff 遍历定理

设 $f$ 是 $\Omega$ 上的随机变量，对每个整数 $n\geq 1$，令\[S_n(\omega)= \sum_{k=0}^{n-1} f(T^k(\omega)). \]

我们有如下的定理：

Birkhoff 遍历定理 设 $T$ 是概率空间 $(\Omega,\mathcal{F},\mu)$ 上的保测变换，则对任何 $f\in L^1(\Omega)$，有\[\lim_{n\to\infty}\frac{S_n}{n}\rightarrow E(f\,|\,\mathcal{I})\quad\text{a.s.}\]

证明 Birkhoff 遍历定理定理的关键是证明如下的极大遍历定理：

极大遍历定理 定义极大算子\[ M_f(\omega)=\sup_{n\geq 1}\frac{1}{n}S_n(\omega),\] 则对 $f\in L^1(\Omega)$ 和任一 $a\in\mathbb{R}$，有\[\int_{\{M_f>a\}} f\,\mathrm{d}\mu\geq a\mu(\{M_f>a\}).\]

极大遍历定理的称呼来源于分析中的 Hardy - Littlewood 极大函数；这一类的不等式统称为极大不等式。不过我打算把极大遍历定理的证明放在最后，先用它来证明 Birkhoff 遍历定理。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Birkhoff 遍历定理的证明

首先可以假定 $E(f\,|\,\mathcal{I})=0$，否则就以 $f-E(f\,|\,\mathcal{I})$ 代替 $f$（注意这里要用到 $E(f\,|\,\mathcal{I})$ 是 $T-$ 不变的这一点）。这样问题变成在 $E(f\,|\,\mathcal{I})=0$ 的条件下证明 \[\lim\limits_{n\to\infty}\frac{S_n}{n}=0.\quad \text{a.s.}\]设 $a$ 是任一正数，考虑集合\[A= \{\omega\,|\, \varlimsup_{n\to\infty}\frac{S_n}{n}>a\}.\]我们想证明 $\mu(A)=0$。若真如此，则有 $\varlimsup\limits_{n\to\infty}S_n/n\leq a$ 几乎处处成立，根据 $a$ 的任意性就得到 $\varlimsup\limits_{n\to\infty}S_n/n\leq 0$ 几乎处处成立。再把这个结果用在 $-f$ 上就得到 $\varliminf\limits_{n\to\infty}S_n/n\geq 0$ 也几乎处处成立，这样就证明了 $\lim\limits_{n\to\infty}S_n/n=0$ 几乎处处成立。（好拗口的说）

注意到 $\varlimsup\limits_{n\to\infty}S_n/n$ 是一个 $T-$ 不变的随机变量，因此集合 $A$ 是一个 $T-$ 不变集。要证明 $\mu(A)=0$，我们很希望能够对集合 $A$ 套用一下极大遍历定理：\[\int_A f\,\mathrm{d}\mu\geq a\mu(A),\]再根据 $E(f\,|\,\mathcal{I})=0$ 和 $A\in\mathcal{I}$ 就得到 $0\geq a\mu(A)$，从而 $\mu(A)=0$ 。

但是，请注意 $\varlimsup\limits_{n\to\infty}$ 和 $ \sup\limits_{n\geq 1}$ 的区别，它们定义的是两个不同的随机变量。我们要估计的 $A$ 是用 $\varlimsup\limits_{n\to\infty}$ 定义的，而极大遍历定理中说的是 $\sup\limits_{n\geq 1}$。注意到\[A=\{\varlimsup_{n\to\infty}\frac{S_n}{n}>a\}\subseteq \{ \sup_{n\geq 1}\frac{S_n}{n}>a\}.\]

所以只要证明这样一个结论就好了：

设 $A\subseteq \{M_f>a\}$ 而且 $A$ 是一个 $T-$ 不变集合，那么类似的“极大遍历定理”仍然成立：\[\int_A f\,\mathrm{d}\mu\geq a\mu(A).\]

而这只要对函数 $g=f\cdot\mathbf{1}_A$ 应用极大遍历定理即可：\[\int_{\{M_g>a\}} f\cdot\mathrm{1}_A\,\mathrm{d}\mu\geq a\mu(\{M_g>a\}).\]但是 $M_g=M_f\cdot\mathbf{1}_A$，这一点要用到 $A$ 是 $T-$ 不变集合这个条件，请自行验证，因此 \[\{M_g>a\}=\{M_f>a\}\cap A =A.\]因此确实有\[\int_A f\,\mathrm{d}\mu\geq a \mu(A),\]

这样就证明了 Birkhoff 遍历定理。

实际上定理中的收敛也是一个依 $L^1$ 范数的收敛，这点的证明相比几乎处处收敛就容易多了，一般的书上也都有，比如 Durrett 的书，这里就不再费笔墨了。

最后来证明极大遍历定理。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

极大遍历定理的证明

只要证明 $a=0$ 的情形，然后对一般的 $a$，将结论应用在函数 $f-a$ 上即可。定义 $S_0=0$ 以及 $M_n =\max\{S_0,S_1,\cdots,S_n\}$。对每个 $k=1,\ldots,n$ 有\[ S_k=f+S_{k-1}\circ T\leq f+M_n \circ T. \]从而\[\max_{1\leq k\leq n}S_k\leq f+M_n \circ T.\]

但是在集合 $\{M_n>0\}$ 上，$M_n=\max\limits_{1\leq k\leq n}S_k$，因此\[ M_n\leq f+M_n \circ T,\quad \omega\in \{M_n>0\}.\]注意 $M_n$ 总是非负的随机变量，从而

\[ \begin{align*}\int_{\{M_n>0\}} f &\geq \int_{\{M_n>0\}}M_n -\int_{\{M_n>0\}}M_n\circ T\\ & = \int_\Omega M_n- \int_{\{M_n>0\}}M_n\circ T\\&\geq \int_\Omega M_n-\int_\Omega M_n\circ T\\&=0.\end{align*}\]

最后由于 $\{M_n>0\}\uparrow \{M_f>0\}$，所以由控制收敛定理即可得到\[\int_{\{M_f>0\}}f\geq 0.\]极大遍历定理得证。

参考文献

1. Rick Durrett，Probability: Theory and Examples. 338-339 页。

Birkhoff 遍历定理